排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
文章采用密度泛函理论(DFT),研究了一个、两个Fe2O3分子在单壁碳纳米管(9,0),(10,0)和(14,0)内部的稳定结构和电子性质,获得了随着单壁碳纳米管直径的增加,结合能逐渐增大,而带隙却减小.且由于Fe2O3分子填充单壁碳纳米管内后两者之间发生了相互作用,使得电荷从单壁碳纳米管转移到了Fe2O3分子;与放入一个Fe2O3分子的单壁碳纳米管相比,放入两个Fe2O3分子时,分子和碳纳米管结合能更大,结构更稳定. 相似文献
2.
学习用户和项目有效的向量表示是推荐系统的核心目标,现有的推荐模型大多通过深度神经网络或专门设计的特征交叉,来学习用户-项目间的特征交叉生成用户(项目)向量表示,但并未将用户(项目)特征间的交叉信息编码到嵌入向量中充分利用特征交叉信息,且多个特征交叉信息对于生成最终的用户(项目)向量表示的影响不同.基于此,构建两个图神经网络模块,学习用户(项目)特征间的交叉信息、用户-项目之间的特征交叉信息,并通过计算注意力分数对特征交叉信息进行加权,得到用户(项目)的特征信息;然后通过门控循环神经网络(GRU)聚合原始的特征信息和网络层学习到的特征交叉信息,得到最终的用户(项目)向量表达;最后通过用户向量与项目向量的元素积得到最终的推荐结果.在数据集MovieLens 1M、Book-Crossing和Taobao上验证了模型的有效性. 相似文献
1